基于Highway-BiLSTM网络的汉语谓语中心词识别研究

作     者：黄瑞章 靳文繁 陈艳平 秦永彬 郑庆华 HUANG Ruizhang;JIN Wenfan;CHEN Yanping;QIN Yongbin;ZHENG Qinghua

作者机构：贵州大学计算机科学与技术学院贵州贵阳550025 贵州省公共大数据重点实验室贵州贵阳550025 西安交通大学计算机科学与技术学院陕西西安710049 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2021年第42卷第1期

页      面：100-107页

核心收录：

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080501[工学-材料物理与化学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 

基　　金：国家自然科学基金资助项目(No.U1836205,No.91746116) 贵州省科学技术基金重点资助项目(黔科合基础1Z055) 

主　　题：谓语中心词 高速公路连接 双向长短期记忆网络 唯一性 

摘      要：针对汉语谓语中心词识别困难及唯一性的问题,提出了一种基于Highway-BiLSTM网络的深度学习模型。首先,通过多层BiLSTM网络叠加获取句子内部不同粒度抽象语义信息的直接依赖关系;然后,利用Highway网络缓解深层模型出现的梯度消失问题;最后,通过约束层对输出路径进行规划,解决谓语中心词的唯一性问题。实验结果表明,该方法有效提升了谓语中心词识别的性能。